基于神經(jīng)網(wǎng)絡(luò)與小波變換的語音識(shí)別系統(tǒng)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的不斷地發(fā)展與應(yīng)用以及智能化不斷地提高，與機(jī)器進(jìn)行交流，能讓機(jī)器能夠明白人類的語言，這是人類長期以來所期望的，正是因?yàn)檫@種期望和需求推動(dòng)著語音識(shí)別技術(shù)快速發(fā)展并得到應(yīng)用。在近幾年，語音識(shí)別已經(jīng)被廣泛地應(yīng)用到了各個(gè)領(lǐng)域中，例如家電、手機(jī)等等。一直以來，語音識(shí)別技術(shù)因?yàn)榫哂兄浅Ｖ匾匮芯績(jī)r(jià)值和意義以及廣泛地應(yīng)用前景，而受到了研究人員和各個(gè)領(lǐng)域的重視，并投入越來越多的精力來做研究。本文將介紹語音識(shí)別的識(shí)別過程、基本原理及組成部

2、分，語音識(shí)別過程包括:預(yù)處理、特征提取、訓(xùn)練、識(shí)別決策、閾值比較等模塊?？偟膩碚f，語音識(shí)別技術(shù)主要包括有特征提取技術(shù)、模式匹配準(zhǔn)則及模型訓(xùn)練技術(shù)三個(gè)方面，即選取一定的聲音特征，然后運(yùn)用一定的模型算法對(duì)語音信號(hào)建立獨(dú)有的模板庫后進(jìn)行逐一模板匹配，最終得到最佳識(shí)別結(jié)果。
　　 本文主要對(duì)語音識(shí)別過程中的端點(diǎn)檢測(cè)、特征參數(shù)提取及識(shí)別決策等幾方面進(jìn)行研究，并提出了自己的一些想法，主要內(nèi)容大概如下:
　　 1、本文分析了語音信號(hào)端

3、點(diǎn)檢測(cè)一些傳統(tǒng)方法，并提出了一種利用雙門限能量法與神經(jīng)網(wǎng)絡(luò)法相結(jié)合的方法，為語音信號(hào)檢測(cè)端點(diǎn)進(jìn)行了分析，表明本文所提出控制方法的有效性相對(duì)于其他常見的方法有提高識(shí)別率。
　　 2、本文分析了各種常用的語音信號(hào)特征參數(shù)系數(shù)，及其提取算法。分析已有研究結(jié)果的優(yōu)缺點(diǎn)。并在已有的算法的基礎(chǔ)上，研究提出一種優(yōu)化的算法，融合了小波變換、LPCC參數(shù)和MFCC參數(shù)的算法;通過Matlab軟件仿真驗(yàn)證其整體動(dòng)作的合理性、有效性。